[发明专利]一种基于遗传算法的网络同步性能优化方法

说明书

一种基于遗传算法的网络同步性能优化方法，首先利用模型规则生成小世界网络；其次，在小世界网络的基础上，利用kuramoto同步演化模型对网络的同步性能进行演化分析；最后，根据演化结果的优劣，利用遗传算法对网络结构进行优化，控制演化结果的走向，使网络的同步性能最优。本发明利用遗传算法对网络结构的优化，使得同步演化结果可控，将优化方法和演化方法相结合，得到最优的网络结构，并将其应用于网络群体同步行为的控制、广告投放和顾客购买的同步问题。

技术领域

本发明涉及一种基于遗传算法的网络同步性能优化方法。

技术背景

随着对复杂网络研究的不断深入，基于复杂网络的同步现象研究越来越受到重视，在现实社会中，同步现象或者集群同步行为常有发生，有的同步行为甚至会产生较大的社会性负面影响——如“抢蜡烛事件”，有的却能为社会带来显著经济效益——如“双十一”的宣传和最终购买力的同步性。这些都是由社会谣言、从众心理等引发的集群同步现象。此外，社会复杂网络已经成为同步行为形成的重要载体，群体性事件从孕育、产生、发展到扩散与消亡的整个过程中，事件信息都是经由人际间社会网络呈现出大规模传播态势。因此基于复杂网络研究集群同步行为具有较大的理论与现实意义，不仅能够为群体性事件发生提供科学预测，而且能够在群体性事件发生后提供合理的干预措施和策略。

基于遗传算法的网络同步性能优化方法是指利用遗传算法对网络结构进行优化，使得同步演化的性能较优。主要思想是利用遗传算法对网络的优化，控制演化方向，使得演化的结果达到最优。首先，利用参数可调的小世界网络模型生成小世界网络，形成群体间的网络交互基础；其次，在该网络上，利用kuramoto模型进行同步的演化，利用同步判据r来判定同步效果；最后根据同步判据r是否符合输出阈值来决定是否对网络结构进行优化，如果r值持续50次的演化结果都超过0.97，那么直接输出该网络结构，如果不符合要求，就利用遗传算法对网络结构进行优化，并重复上述过程，直到输出结果符合阈值要求。

网络同步性能优化的一个典型例子就是双十一期间广告的投放和消费者浏览力度、购买力的同步。在双十一期间，商家的广告投放力度以及宣传力度随着双十一的临近不断递增，而与之同时，消费者的消费热度和购买力也随着同步上涨。这就是在营销网络中，顾客购买的同步性。

发明内容

本发明克服现有技术的不足之处，提出一种基于遗传算法的网络同步性能优化方法。

本发明所述的一种基于遗传算法的网络同步性能优化方法，包括以下步骤：

1)首先利用参数可调的小世界网络模型生成初始网络结构；

2)引入kuramoto模型，用以下微分方程表示网络的同步性能：

其中，x_i(t)、x_j(t)分别表示个体i、j在t时刻对事件所持的态度值，表示t时刻个体i的态度变化值，n_i表示第i个个体的邻近个体数量；a_j表示个体j的影响力，w_i描述个体的接受力，c_i表示个体i的从众性。同时，引入同步判断依据：

其中为的平均值，0≤r(t)≤1，而最终判断群体行为是否达到同步的依据为r(t)值是否接近于1；

3)以式(2)作为适应度函数，网络同步性能越高，适应度函数值越大，其中r值为t次演化后的同步程度值；

4)初始化参数：产生初始种群，即初始的网络结构，定义种群大小为m，交叉率P_c，变异率P_m，迭代的终止代数T；

5)编码，将每个种群按点与点之间的连接情况进行编码，如一条边的两个节点分别为2和3，则用(2,3)来表示，以此方法来对整个网络进行描述；